Clinical performance of SARS-CoV-2 detection on the cobas Liat using water gargle samples
Notice bibliographique
Résumé
Spring water gargle (SWG) is a suitable, non-invasive, alternative specimen for SARS-CoV-2 detection by RT-PCR. This study sought to evaluate the performance of the cobas Liat point-of-care system for the detection of SARS-CoV-2 in SWG samples. SWG samples and standard oral and nasopharyngeal swab (ONPS) were collected simultaneously from participants in a COVID-19 screening clinic, in November and December 2020. Both sample types were analyzed in parallel on the cobas Liat platform and with the Seegene Allplex 2019-nCoV assay. Among the 110 participants, 53% had compatible symptoms and 71% had a contact with a confirmed COVID-19 case. Only two (1.8%) individuals had neither symptoms nor contact. Amongst 110 paired samples, 25 (23%) were positive for SARS-CoV-2 on the cobas Liat for a least one sample type, with a kappa coefficient of 0.92. Agreement between the cobas Liat platform and the Seegene assay was also excellent (kappa coefficient values of 0.94 and 0.95). Two SWG samples failed to provide a positive result when their ONPS pair was positive, but their cycle threshold (Ct) values were >35 on the Seegene assay, reflecting a low viral load. Overall, the performance of the cobas Liat platform is excellent for the detection of SARS-CoV-2 in SWG samples in a high pre-test probability population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».